影响IP电话语音质量的因素对企业用户来讲，可信赖的连接和高质量的IP话音十分重要。IP网络IP电话只有具备与PSTN（传统电话网）相当的质量，用户才会考虑使用。
网关设备性能指标和网络承载的业务量状况，是决定IP电话语音质量的两个基本要素。也就是说，取决于语音网关的性能和网络的带宽两方面的条件。
一、语音网关的性能：
IP电话要得到较好的话音质量，首先在语音网关的选择上必须考虑以下几方面的问题：网络时延与抖动、语音编码和回波抑制。
1、网络时延与抖动时延是影响话音质量的主要原因，还会造成回音。企业在选定语音网关产品时，一定要了解其时延。
IP电话的时延由三部分组成：编/解码及压缩时延、缓存时延、数据包传送时延。其中，编/解码及压缩时延、缓存时延是由网关带来的，数据包传送时延则要由带宽情况决定。
（1）编/解码及压缩时延，约占总时延的一半，例如G.723.1编码机制，固有30ms的时延，该时延是话音转换为数字化信号所需的时延，之后经过压缩、打包，再被送到广域网，又需要2ms多。因而采用G.723.1编码的网关时延至少有32ms，在另一端也同样。
（2）缓存时延，是为减少抖动而产生的。由于IP包经由不同的路径到达目的地，有可能不是按顺序到达，因而会产生抖动。通常在接收端用抖动缓存来消除，但会带来附加的时延。一般需要一个50-100 ms的缓存来存放数据包，并在把它们送给受话人之前重新排序。如果网络已经运载了大量的突发数据业务，则需要一个更大的缓存。减少缓存等待时间以降低时延是每个用户所希望的，但需要找到一个平衡点；若把缓存的等待时间降低，有些话音将不能按时到达，这样会遗漏信息包而使话音出现断续现象。
IP电话语音质量在企业专网上比在公众网上优越的原因，是由于在企业网上可以将语音包的优先级设定高于普通包，使抖动可以有较好的控制。
（3）数据包传送时延，，主要由传输介质所决定。一般线路时延大致如下：以太网一般小于10ms； ADSL（市内）为10~20ms；xDSL、微波为10~20ms；海底电缆、光纤一般小于40ms；卫星（单跳）为540ms。
2、语音编码
考察语言编码需综合考虑MOS（平均评价分）值、处理时延和编码速率。许多网关采用可变速率话音编码，根据可得到的信道带宽自动调节话音压缩编码速率，较好地解决数据包丢失问题，不至于使语音质量严重下降。通过语音压缩编码技术和DSP的自适应算法，可保证使IP话音达到与传统电话相似的通话品质。
语音压缩编码方面主要面临的是标准化问题，上海伟功网络通信公司的WG2000网络IP电话能够支持G.711，G.723.1，G.729A，G.726，G727, NetCode等多达20余种语音压缩标准，并可以按需动态调整。
3、回波抵消
当回声的延迟超过45 ms，会对通话造成很大干扰，需要采用回波抵消。由于VoIP存在较大的时延，回声问题不可忽视，在网关设备中必须采用DSP技术实现回波抵消。而上海伟功网络通信的WG2000系列网关产品利用G.168标准，很好的解决了回声问题。
通常PSTN网的时延要求是小于300ms，而IP电话语音在时延400ms的范围内，均不影响语音质量。
IP语音网关本身产生的时延为：编码时延25ms；加载时延2.5ms；抖动抑制缓冲时延50ms；一台路由设备队列6ms。共计：83.5ms。
可见，IP语音网关本身的时延不影响语音效果，关键还是要看数据传输的带宽。
二、网络的带宽：
如果企业网的原有带宽只能供已有的数据业务使用，在增加IP电话系统后，则需要增加带宽。在语音网关性能特点较好的情况下，减少时延的一个确定和可行的办法就是——保证足够的带宽；带宽能够保证，话音质量就容易保证。
1、语音传输速率：
网络所需带宽由语音速率和话务量决定。值得注意的是：那些所谓低的速率实际上没有象所说的那么低。这是因为在VoIP电话的每个数据包中含有40字节的RTP/UDP/IP 包头，它会把6.3 Kbps的传输速率增加到17 Kbps。而上海伟功的IP语音网关产品在一个IP包中封装多个语音UDP包，提高了IP包的利用率；所以，每路话音最终速率约为15Kbps，却有效地提高了语音传输的效率。
2、静音抑制
为提高信道利用率，还可以在语音网关上采用静音抑制技术——保证只有在通话双方确实讲话时才占用带宽。实际上，人们在打电话时，仅有27—40%的时间在讲话，静音抑制技术把不说话的时间去除，只保留含有信息的部分；讲话停顿时，话音传输所占用的带宽被自动释放。伟功网关产品根据G.723附录A、 G.729附录、VAD、CNG等标准，成功地实现了静音抑制。
另外，为保证白天网络负载峰值时的话音质量，除增加带宽外，还可以采取由网管控制、避开通话高峰期，在下班后或夜间传送数据文件等办法。
伟功网关产品可以利用RSVP（资源保留协议）和Diff-server等技术保证系统的服务质量（QoS），在综合运用上述技术的基础上最大程度地提高语音质量。
